信息檢索課件研究生課件：第二章：信息檢索基本知識(shí)及技巧

1、12022-4-26信息檢索基本知識(shí)及技巧 The principles and skills on information retrieval主 講 人 ：施 亮Lecturer ：caesar, shi22022-4-26目錄 outline1信息檢索的定義、分類(lèi)及其作用二 檢索語(yǔ)言三 檢索的效率、手段和方法32022-4-261信息檢索的定義、分類(lèi)及其作用1.1 信息檢索的定義 信息檢索(Information Retrieval)：,是指將信息按一定的方式組織和存儲(chǔ)起來(lái)，并根據(jù)信息用戶(hù)的需要找出有關(guān)的信息過(guò)程，所以它的全稱(chēng)又叫“信息的存儲(chǔ)與檢索(Information Storage

2、and Retrieval),這是廣義的信息檢索。 狹義的信息檢索則僅指該過(guò)程的后半部分，即從信息集合中找出所需要的信息的過(guò)程，相當(dāng)于人們通常所說(shuō)的信息查尋(Information Search)。42022-4-261.2 信息檢索的手段（1）手工檢索 eg：美國(guó)工程索引（2）光盤(pán)檢索 eg：medline （3）網(wǎng)絡(luò)檢索 eg：springerlink52022-4-261.3 信息檢索的對(duì)象（1） 文獻(xiàn)檢索（Document Retrieval) ： 是以文獻(xiàn)（包括題錄、文摘和全文） 為檢索對(duì)象的檢索?？煞譃槿臋z索 和書(shū)目檢索兩種。（2） 事實(shí)檢索 （Fact Retrieval) ：

3、是以某一客觀事實(shí)為檢索對(duì)象，查找某一事物 發(fā)生的時(shí)間、地點(diǎn)及過(guò)程的檢索。（3） 數(shù)據(jù)檢索（Data Retrieval) ：是以數(shù)值或數(shù)據(jù)（包括數(shù)據(jù)、圖表、公式等） 為對(duì)象的檢索。62022-4-261.4 信息檢索的作用（1） 信息檢索是獲取知識(shí)的捷徑 eg：princeton的學(xué)生 約翰菲利普 利用圖書(shū)館公開(kāi)資料設(shè)計(jì)原子彈。 （2） 信息檢索是科學(xué)研究的向?qū)?eg：（美）阿波羅飛船的燃料箱的重復(fù)研究問(wèn)題。 （3）信息檢索是終身教育的基礎(chǔ) unesco：可以防止知識(shí)老化，不斷更新知識(shí)72022-4-26二 信息檢索的要素 （1）前提信息意識(shí)/信息素養(yǎng) information literacy

4、新聞閱讀：武漢的士起步價(jià)調(diào)為兩公里16元 12月1日起執(zhí)行 看到標(biāo)題，能聯(lián)想到什么？ 從信息認(rèn)知、信息情感 和 信息行為 三個(gè)方面進(jìn)行分析！82022-4-26（2）基礎(chǔ)信息源A、信息的載體： 印刷型 縮微型 機(jī)讀型 聲像型92022-4-26B、信息的內(nèi)容和加工級(jí)次： 一次文獻(xiàn) 二次文獻(xiàn) 三次文獻(xiàn)102022-4-26C、信息的出版形式：圖書(shū)期刊會(huì)議資料學(xué)位論文專(zhuān)利標(biāo)準(zhǔn)報(bào)告百科全書(shū)、類(lèi)書(shū)112022-4-26圖書(shū)的檢索途徑主要用到： 書(shū)名 作者 出版社 ISBN 關(guān)鍵詞 期刊的檢索途徑主要用到： 刊名 篇名 作者 關(guān)鍵詞 ISSN122022-4-26 會(huì)議論文的檢索途徑主要用到： 會(huì)議名稱(chēng)

5、 主辦單位 會(huì)議地點(diǎn) 關(guān)鍵詞 作者 會(huì)議文章篇名 學(xué)位論文的檢索途徑主要用到： 作者 學(xué)位授予單位 導(dǎo)師姓名 關(guān)鍵詞 論文篇名132022-4-26 專(zhuān)利資料的檢索途徑主要用到： 關(guān)鍵詞 專(zhuān)利權(quán)人 發(fā)明人 國(guó)際專(zhuān)利分類(lèi)號(hào) 公開(kāi)號(hào) 標(biāo)準(zhǔn)資料的檢索途徑主要用到： 標(biāo)準(zhǔn)編號(hào) 標(biāo)準(zhǔn)名稱(chēng) 發(fā)布單位 發(fā)布日期 關(guān)鍵詞142022-4-26 報(bào)告資料的檢索途徑主要用到： 報(bào)告號(hào) 關(guān)鍵詞 作者 報(bào)告單位 合同戶(hù)報(bào)告代碼 百科全書(shū)、類(lèi)書(shū)資料的檢索途徑主要用到： 音 形 義152022-4-26（3）核心信息利用能力掌握各種信息源掌握檢索語(yǔ)言熟練使用檢索工具對(duì)檢索結(jié)果的評(píng)價(jià)，判斷162022-4-26附：期刊的指

6、數(shù)計(jì)算（1）影響因素=該年引用該刊前兩年文章的總次數(shù)當(dāng)年該刊所發(fā)表文章的總數(shù)即年指標(biāo)前兩年該刊所發(fā)表文章的總數(shù)=一特定年度對(duì)該刊當(dāng)年發(fā)表文章的引用次數(shù)影響因素是一種期刊中論文的平均被引率特定年度的影響因素用于測(cè)度一種期刊被利用的速度，也是測(cè)度期刊重要性的依據(jù)即年指標(biāo)172022-4-26自引率與被引率 自引率是指一種期刊中引用本刊的參考文獻(xiàn)對(duì)全部參考文獻(xiàn)之比；被自引率是一種期刊被本刊中文章引用的次數(shù)與該刊被引用的總次數(shù)之比。=自引率某刊自引的引文量該刊全部引文量被引率 =某刊自引的引文量某刊被引用的總次數(shù)182022-4-26二 檢索語(yǔ)言2.1 按表現(xiàn)形式劃分的檢索語(yǔ)言 外表特征語(yǔ)言 內(nèi)容特征

7、語(yǔ)言192022-4-26外表特征：就是文獻(xiàn)上記明的、顯而易見(jiàn)的特征。 外表特征語(yǔ)言（書(shū)目引文語(yǔ)言）題名（書(shū)名、篇名）著者姓名文獻(xiàn)序號(hào)（如：ISBN、ISSN、專(zhuān)利號(hào)、報(bào)告號(hào)等）書(shū)目引文出版事項(xiàng)文獻(xiàn)類(lèi)型202022-4-26 內(nèi)容特征語(yǔ)言非句法語(yǔ)言句法語(yǔ)言等級(jí)制體系分類(lèi)法標(biāo)題詞關(guān)鍵詞敘 詞單元詞加標(biāo)志的敘詞組面詞（如：組面分類(lèi)法）短 語(yǔ)文獻(xiàn)全文的自然語(yǔ)言212022-4-262. 2 按應(yīng)用功能劃分的檢索語(yǔ)言 分類(lèi)語(yǔ)言 主題語(yǔ)言222022-4-262.21 分類(lèi)語(yǔ)言 是用分類(lèi)號(hào)和相應(yīng)的分類(lèi)款目名稱(chēng)來(lái)表達(dá)信息內(nèi)容的主題概念，并按學(xué)科體系的邏輯次序?qū)⑿畔①Y源系統(tǒng)地加以劃分和組織的語(yǔ)言。 分類(lèi)語(yǔ)言

8、能反映事物的從屬派生關(guān)系,便于按學(xué)科門(mén)類(lèi)進(jìn)行族檢索。232022-4-26杜威十進(jìn)分類(lèi)法 Dewey Decimal Classification ,DC/DDC美國(guó)M.杜威編制的綜合性等級(jí)列舉式分類(lèi)法。分為詳、簡(jiǎn)兩種版本,詳本于1876年問(wèn)世,取名為圖書(shū)館圖書(shū)小冊(cè)子排架及編目適用的分類(lèi)法和主題索引，1951年的第15版改名杜威十進(jìn)分類(lèi)法000總論 100哲學(xué) 200宗教 300社會(huì)科學(xué) 400語(yǔ)言 500自然科學(xué)和數(shù)學(xué) 600技術(shù)(應(yīng)用科學(xué)) 700藝術(shù)、美術(shù)和裝飾藝術(shù) 800文學(xué) 900地理、歷史及輔助學(xué)科 第一層展開(kāi)層630農(nóng)業(yè) 631農(nóng)業(yè)經(jīng)營(yíng) 631.5作物栽培 242022-4-26

9、通用十進(jìn)制圖書(shū)分類(lèi)法 Universal Decimal Classification UDC十進(jìn)制圖書(shū)分類(lèi)法由兩位比利時(shí)書(shū)目專(zhuān)家（Paul Otlet、Henri la Fontaine）19世紀(jì)末在杜威十進(jìn)制圖書(shū)分類(lèi)法的基礎(chǔ)上繼續(xù)研發(fā)的分類(lèi)方法。此種分類(lèi)方法由數(shù)字和特殊符號(hào)組成，把涉及各種知識(shí)體系及學(xué)科的書(shū)籍予以分類(lèi)。介于數(shù)字和符號(hào)無(wú)語(yǔ)言障礙的特性，該分類(lèi)法在世界各地的圖書(shū)館中被廣泛應(yīng)用。 總分類(lèi) 0 總匯 1 哲學(xué)，心理學(xué) 2 宗教，神學(xué) 3 社會(huì)學(xué)，政治，經(jīng)濟(jì)，法律，教育，人類(lèi)學(xué) 4 暫無(wú)（由圖書(shū)館具體添加） 5 自然學(xué)科，數(shù)學(xué) 6 實(shí)用學(xué)科，醫(yī)學(xué)，科技，企業(yè)經(jīng)濟(jì)學(xué)，計(jì)算機(jī) 7 藝術(shù)，

10、手工藝品，音樂(lè)，競(jìng)技，體育 8 語(yǔ)言學(xué)，文學(xué) 9 地理，生物，歷史 252022-4-26附加 + ：并列符（例：178.1+33 酒精主義者 和 國(guó)民經(jīng)濟(jì)國(guó)民經(jīng)濟(jì)） ：關(guān)系符（例：178.1:33 酒精主義對(duì)國(guó)民經(jīng)濟(jì)的影響） / ：包含符（例：592/599 系統(tǒng)動(dòng)物學(xué)，從592到599） = ：語(yǔ)言符（例：=71 拉丁語(yǔ)） (0.) ：書(shū)類(lèi)符（例：(042)演講，講義） (.)：地域符（例：(234.3) 阿爾卑司阿爾卑司） 262022-4-26美國(guó)國(guó)會(huì)圖書(shū)館圖書(shū)分類(lèi)法 Library of Congress Classification 272022-4-26第一層282022-4-2

11、6末層292022-4-26中國(guó)圖書(shū)館圖書(shū)分類(lèi)法Chinese Library Classification， CLC 中國(guó)圖書(shū)館分類(lèi)法，簡(jiǎn)稱(chēng)中圖法。包括“馬列主義、毛澤東思想，哲學(xué)，社會(huì)科學(xué)，自然科學(xué)， 綜合性圖書(shū)五大部類(lèi)，22個(gè)基本大類(lèi)，具體如下：302022-4-26中國(guó)科學(xué)院圖書(shū)館圖書(shū)分類(lèi)法簡(jiǎn)稱(chēng)科圖法。1958年由中國(guó)科學(xué)院圖書(shū)館編寫(xiě)，1974年、1979年、1994年分別進(jìn)行了修訂。分為25大類(lèi)。中國(guó)科學(xué)院圖書(shū)館圖書(shū)分類(lèi)法312022-4-26國(guó)際專(zhuān)利分類(lèi)法 International Patent Classification , IPC 關(guān)于國(guó)際專(zhuān)利分類(lèi)斯特拉斯堡協(xié)定與1975年

12、10月7日生效，它為發(fā)明專(zhuān)利，包括出版的專(zhuān)利申請(qǐng)書(shū)、發(fā)明證書(shū)說(shuō)明書(shū)、實(shí)用新型說(shuō)明書(shū)（一下簡(jiǎn)稱(chēng)為“專(zhuān)利文獻(xiàn)”）提供了一種共同的分類(lèi)。 分類(lèi)表示使各國(guó)專(zhuān)利文獻(xiàn)獲得統(tǒng)一分類(lèi)的一種工具。它的基本目的是作為各專(zhuān)利局以及其他使用者在確定專(zhuān)利申請(qǐng)的新穎性、創(chuàng)造性（包括對(duì)技術(shù)先進(jìn)性和實(shí)用價(jià)值作出評(píng)價(jià)）而進(jìn)行的專(zhuān)利文獻(xiàn)檢索是的一種有效檢索工具。 322022-4-26332022-4-26342022-4-26352022-4-26362022-4-26372022-4-26382022-4-26392022-4-26402022-4-26412022-4-26422022-4-26432022-4-26442

13、022-4-26技術(shù)主體的分析452022-4-262.22 主題語(yǔ)言 462022-4-26472022-4-26 INSPEC 敘詞表舉例： Locomotive NT diesel-electric locomotive BT vehicles TT vehicles RT rail traffic railways traction CC B8520-n C3360D FC b8520-n c3360De DI January 19731、下位敘詞2、上位敘詞3、族首詞4、相關(guān)詞5、INSPEC數(shù)據(jù)庫(kù) 使用的分類(lèi)號(hào)6、輸入到INSPEC 數(shù)據(jù)庫(kù)使用的 分類(lèi)號(hào)7、該敘詞的啟用日期英國(guó)電氣

14、工程學(xué)會(huì)（Institute of Electric Engineering 簡(jiǎn)稱(chēng) IEE）下設(shè)的國(guó)際物理和工程信息服務(wù)部（International Information Services for the Physics and Engineering Communities,簡(jiǎn)稱(chēng) INSPEC ）482022-4-26三 檢索的效率、手段和方法3.1 檢索效率評(píng)價(jià)492022-4-263.2 索引語(yǔ)言中改善查全率的措施（1）同義詞控制法 是指當(dāng)一個(gè)概念具有多個(gè)同義詞的時(shí)候，為了保證標(biāo)引與檢索的一致性，避免文獻(xiàn)的分散和漏檢，指引詞匯的使用者從其他的同義詞找到一個(gè)被專(zhuān)門(mén)選擇作為正式主題詞的詞

15、的用法。 例如： 用符號(hào) USE、SEE、Y （用） 從正式詞引見(jiàn)非正式的詞，則用 USE FOR、D（代）502022-4-26（2）詞的關(guān)聯(lián)法索引詞的關(guān)聯(lián)，最普通的形式是等級(jí)上的關(guān)聯(lián)。例如：A、由專(zhuān)指詞到較泛指的詞，使用符號(hào) BT （broader term）,或者 S (屬) B、由泛指詞到較專(zhuān)指的詞，使用符號(hào) NT （narrower term）,或者 F (分) C、由指向近義的詞，使用符號(hào) RT （related term）,或者 C (參)，或 see also (參見(jiàn)) 512022-4-26漢語(yǔ)主題詞表詞的關(guān)聯(lián)舉列 交流發(fā)電機(jī)F 同步發(fā)電機(jī) 異步發(fā)電機(jī)S 發(fā)電機(jī) 交流換向電機(jī)

16、D 交流整離子電機(jī)S 交流電機(jī)Z 電機(jī)C 調(diào)速電動(dòng)機(jī) 異步電動(dòng)機(jī)522022-4-26（3）字形的控制法 即把具有同一詞根的字組合在一起。當(dāng)然這不是提供標(biāo)引的措施，而是提供檢索用的輔助手段。在計(jì)算機(jī)檢索中，是采用截詞實(shí)現(xiàn)的：例如： “反射”、“反射波”、“反射性”、“反射望遠(yuǎn)鏡” 等。 都有 reflect，用 reflect 進(jìn)行截詞檢索，就能檢索出與“反射”有關(guān)的 所有文獻(xiàn)。532022-4-26（4）聚類(lèi)法 在對(duì)檢索詞進(jìn)行統(tǒng)計(jì)的基礎(chǔ)上，將有關(guān)的索引次進(jìn)行聚類(lèi)，可以查出更多的文獻(xiàn)，從而改善查全性。例如：“枯萎” 是與 “莊稼”、“植物生長(zhǎng)” 聯(lián)系在一起的，如果 “銹菌”也是常與 “植物生長(zhǎng)

17、”等詞聯(lián)系在一起的話(huà)，我們就可以推斷 “枯萎” 與 “銹菌” 之 間存在某種聯(lián)系。542022-4-263.3 索引語(yǔ)言中改善查準(zhǔn)率的措施組 配即兩個(gè)或兩個(gè)以上概念的組合，有兩種組配形式，先組和后組。 先組式是指概念之間的組合是在詞表編制階段就已經(jīng)定義好的，組配后的符合概念成為供標(biāo)引的完整索引詞。 心理聲學(xué)（是心理學(xué)與聲學(xué)的組配） 蒸發(fā)冷卻（是蒸發(fā)與冷卻的組配） 后組式是指在檢索階段把兩個(gè)或兩個(gè)以上的有關(guān)索引詞進(jìn)行組合。 “計(jì)算機(jī)” 與 “設(shè)計(jì)” 552022-4-26 先組式有助于提高索引詞的專(zhuān)指度，減少標(biāo)引到每個(gè)詞的文獻(xiàn)數(shù)量，減少和避免假組配，從而有利于查準(zhǔn)率。但是先組式的詞在數(shù)量上是有限

18、的，不能適應(yīng)各種角度和深度的符合概念檢索。 后組式便于各種角度和深度的檢索，有利于查準(zhǔn)率的提高，但是可能出現(xiàn)假組配，致使誤檢的增多。對(duì)于先組和后組式的評(píng)價(jià)562022-4-263.4 計(jì)算機(jī)檢索語(yǔ)言（1）布爾邏輯檢索功能邏輯或（OR、+）檢索項(xiàng) A、B 若用 “邏輯或” 組配，則邏輯式為 “A OR B”，或者 “A + B”AB表示被檢索的文獻(xiàn)只要包含有其中的一個(gè)檢索項(xiàng)，或者同時(shí)含有這兩個(gè)檢索項(xiàng)，那么它就會(huì)被命中。572022-4-26邏輯與（AND、*）檢索項(xiàng) A、B 若用 “邏輯與” 組配，則邏輯式為 “A AND B”，或者 “A * B”AB表示被檢索的文獻(xiàn)必須同時(shí)含有兩個(gè)檢索項(xiàng)才能被命中582022-4-26A邏輯非（NOT、）檢索項(xiàng) A、B 若用 “邏輯與” 組配，則邏輯式為 “A NOT B”，或者 “A B”B表示被檢索的文獻(xiàn)在含有A檢索項(xiàng)而不含有B檢索項(xiàng)是才能被命中。592022-4-26（2）截詞符截詞符可以避免逐詞輸入帶來(lái)的麻煩，還可以擴(kuò)大查全率，截詞可以 截前、截后、中間截?cái)唷＠纾?？S Comput ？結(jié)果為： computable computation compute computer？S